Slurm作业srun仅启动1个进程问题求助（附脚本及输出）

核心原因 #

你的MPI程序未被正确编译为多进程版本，或是Slurm与MPI的集成配置存在问题，导致srun -n 16实际是重复启动了16次单进程MPI程序，而非16个并行进程。

解决步骤 #

1. 确保MPI程序正确编译 #

使用集群对应的MPI编译器重新编译代码，例如OpenMPI环境下用mpicc：

mpicc firstmpi.c -o firstmpi

若集群使用Intel MPI，则替换为mpiicc，具体可通过module avail查看集群可用的MPI模块。

2. 调整Slurm脚本与srun参数 #

方案A：让Slurm管理任务数（推荐）

修改脚本，移除srun中的-n 16，改用SBATCH参数指定总任务数，让srun自动继承Slurm的资源分配：

#!/bin/bash
#SBATCH -N 1
#SBATCH -p RM
#SBATCH -t 00:01:00
#SBATCH --ntasks=16  # 指定总任务数，替代仅节点内任务数的设置
#SBATCH --error=job.err 
#SBATCH --output=job.out

# 加载MPI模块（根据集群实际情况调整，例如openmpi/4.1.5）
module load openmpi

srun ./firstmpi > out

方案B：显式指定MPI集成参数

若必须在srun中指定任务数，添加--mpi=pmi2（或集群支持的其他MPI接口），确保Slurm与MPI正常通信：

srun --mpi=pmi2 -n 16 ./firstmpi > out

3. 验证MPI环境 #

提交作业前，确认已加载正确的MPI模块：

module list

若未加载，执行module load <mpi-module-name>，例如module load openmpi。

验证结果 #

重新编译并提交作业后，输出应显示不同的进程rank，示例如下：

Hello world from processor r309.ib.bridges2.psc.edu, rank 0 out of 16 processors
Hello world from processor r309.ib.bridges2.psc.edu, rank 1 out of 16 processors
...
Hello world from processor r309.ib.bridges2.psc.edu, rank 15 out of 16 processors

内容的提问来源于stack exchange，提问作者Sap BH